预测算法-线性回归
面对可逆矩阵
线性回归(模型,策略,算法)
模型: h(x)=WTx+b h ( x ) = W T x + b
损失函数: J(θ)=∑i=1N(f(xi)−yi)2 J ( θ ) = ∑ i = 1 N ( f ( x i ) − y i ) 2
目标函数为: minJ(θ)=∑i=1N(f(xi)−yi)2 min J ( θ ) = ∑ i = 1 N ( f ( x i ) − y i ) 2
方法1:梯度下降法
θ=θ−α▽J(θ) θ = θ − α ▽ J ( θ )
α:学习速率 α : 学 习 速 率
▽J(θ):偏导数学习的方向 ▽ J ( θ ) : 偏 导 数 学 习 的 方 向
方法2:标准方程法
目标函数为: minJ(θ)=∑i=1N(f(xi)−yi)2 min J ( θ ) = ∑ i = 1 N ( f ( x i ) − y i ) 2
转化为: (yi−xTiw)T(yi−xTiw) ( y i − x i T w ) T ( y i − x i T w )
对w求导:w^=(xTx)−1xTy 对 w 求 导 : w ^ = ( x T x ) − 1 x T y
xTx x T x 的行列式不为0时,存在逆矩阵 那么条件成立, 才能计算 w^模